મફત embeddings API

Embeddings API લખાણને search, RAG અને clustering માટે vectors માં ફેરવે છે. ઘણા પ્રદાતા embeddings મફત આપે છે. FreeLLMAPI 41 મફત embedding મોડેલને એક /v1/embeddings endpoint પાછળ મૂકે છે. આ માર્ગદર્શિકા મોડેલ, તેમની મર્યાદા અને કામ કરતો કોડ બતાવે છે.

કોડ, મૉડેલ નામ અને લાઇવ કૅટલૉગ લેબલ અંગ્રેજીમાં બતાવવામાં આવે છે.

FreeLLMAPI માં મફત embeddings કેવી રીતે કામ કરે છે

/v1/embeddings endpoint OpenAI request ફોર્મેટ વાપરે છે. કોઈપણ OpenAI SDK તેને કૉલ કરી શકે છે. તમે લખાણ મોકલો છો, અને દરેક input string માટે એક vector મળે છે.

Embeddings માં chat કરતાં અલગ failover નિયમ છે. Chat વિનંતી બીજા મોડેલ પર જઈ શકે છે. Embedding વિનંતી ક્યારેય બીજા મોડેલ પર જતી નથી. બે મોડેલના vectors સુસંગત નથી, તેથી મોડેલનો શાંત ફેરફાર તમારા vector store ને બગાડશે.

  • Family: FreeLLMAPI પ્રદાતાઓને family પ્રમાણે જૂથબદ્ધ કરે છે. family એ એક મોડેલ ઓળખ છે જેનું એક vector કદ છે, ઉદાહરણ તરીકે 1024 dimensions વાળું bge-m3.
  • Failover: જ્યારે family ના એક પ્રદાતા તેની મર્યાદા સુધી પહોંચે, ત્યારે રાઉટર તે જ family આપતા આગલા પ્રદાતાને અજમાવે છે.
  • Default: model: "auto" ડિફોલ્ટ family વાપરે છે. ડેશબોર્ડના Models, Embeddings પેજ પર ડિફોલ્ટ family સેટ કરો.

આજે મફત embedding મોડેલ

ટેબલ FreeLLMAPI catalog ના દરેક મફત embedding મોડેલની યાદી આપે છે. માહિતી લાઇવ catalog માંથી આવે છે. "Max input" એક input string માટે tokens ની મહત્તમ સંખ્યા છે. "Free limit" એ પ્રદાતા જાહેર કરે તે મફત quota છે.

મૉડેલપ્રદાતાપરિમાણોમહત્તમ ઇનપુટમફત મર્યાદા
Gemini Embedding
gemini-embedding-001
Google AI Studio30722048100 rpm · 1K req/day
Nemotron Embed VL 1B
nvidia/llama-nemotron-embed-vl-1b-v2
NVIDIA NIM20488192~40 rpm
Nemotron 3 Embed 1B (OR free)
nvidia/nemotron-3-embed-1b:free
OpenRouter20483276820 rpm · shared free daily cap
SEA-LION E5 Embedding 600M
aisingapore/SEA-LION-E5-Embedding-600M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 300M
aisingapore/SEA-LION-ModernBERT-Embedding-300M
SEA-LION10248192free · 10 rpm
SEA-LION ModernBERT Embedding 600M
aisingapore/SEA-LION-ModernBERT-Embedding-600M
SEA-LION10248192free · 10 rpm
BGE-M3
@cf/baai/bge-m3
Cloudflare Workers AI1024819210K neurons/day (shared)
EmbeddingGemma 300M
@cf/google/embeddinggemma-300m
Cloudflare Workers AI768204810K neurons/day (shared)
Qwen3 Embedding 0.6B
@cf/qwen/qwen3-embedding-0.6b
Cloudflare Workers AI1024819210K neurons/day (shared)
Cohere Embed v4
embed-v4.0
Cohere15361280001K calls/mo (shared w/ chat)
Gemini Embedding 2
gemini-embedding-2
Google AI Studio30728192free-tier rate limited
Nemotron 3 Embed 1B
nvidia/nemotron-3-embed-1b
NVIDIA NIM20484096~40 rpm
PLaMo Embedding 1B (CF)
@cf/pfnet/plamo-embedding-1b
Cloudflare Workers AI2048409610K neurons/day (shared)
BGE Small EN v1.5 (CF)
@cf/baai/bge-small-en-v1.5
Cloudflare Workers AI38451210K neurons/day (shared)
BGE Base EN v1.5 (CF)
@cf/baai/bge-base-en-v1.5
Cloudflare Workers AI76851210K neurons/day (shared)
BGE Large EN v1.5 (CF)
@cf/baai/bge-large-en-v1.5
Cloudflare Workers AI102451210K neurons/day (shared)
Mistral Embed
mistral-embed
Mistral10248192free mode · monthly cap (shared)
Codestral Embed
codestral-embed
Mistral15368192free mode · monthly cap (shared)
Llama Text Embed v2 (Pinecone)
llama-text-embed-v2
Pinecone102420485M tokens/mo per model
Multilingual E5 Large (Pinecone)
multilingual-e5-large
Pinecone10245075M tokens/mo per model
Nemotron 3 Embed 1B (Speka)
nvidia/nemotron-3-embed-1b
Speka20488192$1/month shared across Speka models
OpenAI: Text Embedding 3 Small (ElectronHub)
text-embedding-3-small
ElectronHub15368192$0.25/week shared free credits
OpenAI: Text Embedding 3 Large (ElectronHub)
text-embedding-3-large
ElectronHub30728192$0.25/week shared free credits
Nemotron 3 Embed 8B (Inferbase)
nvidia-nemotron-3-embed-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 0.6B (Inferbase)
qwen3-embedding-0-6b
Inferbase102481925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 4B (Inferbase)
qwen3-embedding-4b
Inferbase256081925,000 requests/month; 100 requests and $0.50 usage/day shared
Qwen 3 Embedding 8B (Inferbase)
qwen3-embedding-8b
Inferbase409681925,000 requests/month; 100 requests and $0.50 usage/day shared
LFM2.5 Embedding 350M (LLMTR)
liquid/lfm-2.5-embedding-350m-free
LLMTR1024512Ongoing zero-price route; provider terms apply
BGE-M3 (SEA-LION)
BAAI/bge-m3
SEA-LION10248192free · 10 rpm
Cohere Embed English v3
embed-english-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Qwen3 Embedding 8B (OVH)
Qwen3-Embedding-8B
OVH AI Endpoints409632768free · anonymous 2 req/min per IP
BGE-M3 (OVH)
bge-m3
OVH AI Endpoints10248192free · anonymous 2 req/min per IP
BGE Multilingual Gemma2 (OVH)
bge-multilingual-gemma2
OVH AI Endpoints35848192free · anonymous 2 req/min per IP
Mistral: Codestral Embed (ElectronHub)
codestral-embed
ElectronHub15368192$0.25/week shared free credits
Mistral: Mistral Embed (ElectronHub)
mistral-embed
ElectronHub10248192$0.25/week shared free credits
Google: Gemini Embedding 2 (ElectronHub)
gemini-embedding-2
ElectronHub30728192$0.25/week shared free credits
Google: Gemini Embedding 001 (ElectronHub)
gemini-embedding-001
ElectronHub30722048$0.25/week shared free credits
OpenAI: Text Embedding Ada 002 (ElectronHub)
text-embedding-ada-002
ElectronHub15368192$0.25/week shared free credits
Cohere Embed English Light v3
embed-english-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)
Cohere Embed Multilingual v3
embed-multilingual-v3.0
Cohere10245121K calls/mo (shared w/ chat)
Cohere Embed Multilingual Light v3
embed-multilingual-light-v3.0
Cohere3845121K calls/mo (shared w/ chat)

FreeLLMAPI કૅટલૉગનો લાઇવ ડેટા (સંસ્કરણ 2026.11.19, તપાસ્યું 2026-11-19). મફત મર્યાદાઓ વારંવાર બદલાય છે. કૅટલૉગ દરરોજ તપાસવામાં આવે છે.

કેટલાક પ્રદાતા chat અને embeddings વચ્ચે એક quota શેર કરે છે. ઉદાહરણ તરીકે, Cohere trial key બધા endpoints માટે દર મહિને 1,000 API calls આપે છે. Cloudflare Workers AI દર દિવસે 10,000 neurons આપે છે, જે account પરના બધા Workers AI મોડેલ વચ્ચે શેર થાય છે.

પગલું 1: FreeLLMAPI ઇન્સ્ટોલ કરો અને keys ઉમેરો

FreeLLMAPI open source છે. તે Docker માં તમારા કમ્પ્યુટર પર ચાલે છે. તમારી પ્રદાતા keys તમારા કમ્પ્યુટર પર જ રહે છે.

ઇન્સ્ટોલ કરો (macOS અથવા Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

ડેશબોર્ડ http://localhost:3001 પર ખોલો. Keys પેજ પર તમારી પ્રદાતા keys ઉમેરો. embeddings માટે Google AI Studio key અને Cloudflare key સારી શરૂઆત આપે છે. તે જ પેજ પરથી તમારી unified key કૉપી કરો.

પગલું 2: embeddings endpoint કૉલ કરો

એક વિનંતીમાં ઘણા vectors મેળવવા strings ની યાદી મોકલો. તમારા દસ્તાવેજ અને તમારા search queries માટે એક જ model મૂલ્ય વાપરો.

curl

curl http://localhost:3001/v1/embeddings \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{"model": "bge-m3", "input": ["the quick brown fox", "a fast brown fox"]}'

Python: બે લખાણ embed કરો અને તુલના કરો

import math
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

resp = client.embeddings.create(
    model="bge-m3",  # a family name, "auto", or a provider model id
    input=["How do I reset my password?", "Steps to change a forgotten password"],
)
a, b = resp.data[0].embedding, resp.data[1].embedding
print(len(resp.data), "vectors of", len(a), "dimensions")

dot = sum(x * y for x, y in zip(a, b))
norm = math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b))
print("cosine similarity:", round(dot / norm, 3))

model ફીલ્ડ ત્રણ રૂપ સ્વીકારે છે: auto, bge-m3 જેવું family નામ, અથવા @cf/baai/bge-m3 જેવું provider model id. provider model id તેની family માં ઉકેલાય છે, તેથી failover હજી તે family ની અંદર જ રહે છે.

કયું મફત embedding મોડેલ પસંદ કરવું

દરેક vector store માટે મોડેલ એક વાર પસંદ કરો. જો પછીથી મોડેલ બદલો, તો બધા દસ્તાવેજ ફરી embed કરવા પડશે.

જરૂરિયાતમોડેલ familyકારણ
ટૂંકું અંગ્રેજી અથવા બહુભાષી લખાણ, ઘણા પ્રદાતાbge-m31024 dimensions, 8,192 input tokens. ઘણા મફત પ્રદાતા તે આપે છે, તેથી failover માટે વધુ વિકલ્પ છે.
Google key સાથે ઉચ્ચ ગુણવત્તાવાળું retrievalgemini-embedding-0013072 dimensions. input મર્યાદા 2,048 tokens છે, તેથી લાંબા દસ્તાવેજને chunks માં વહેંચો.
એક vector માં લાંબા દસ્તાવેજembed-v4.0 (Cohere)મોટી input window. trial key દર મહિને ફક્ત 1,000 calls આપે છે, જે chat સાથે શેર થાય છે.
નાના vectors અને ઝડપી searchbge-small-en-v1.5384 dimensions. ફક્ત અંગ્રેજી, અને input મર્યાદા 512 tokens છે.
Code searchcodestral-embedCode માટે તાલીમ પામેલું. તે Mistral ના મફત mode quota નો ઉપયોગ કરે છે.

મોટા vectors vector database માં વધુ storage અને memory લે છે. 3072-dimension vector, 1024-dimension vector કરતાં ત્રણ ગણું મોટું છે. 10 લાખથી ઓછા chunks વાળા મોટાભાગના RAG પ્રોજેક્ટ માટે 768 થી 1024 dimensions સારા પરિણામ આપે છે.

મર્યાદા અને મુશ્કેલીઓ

  • Input મર્યાદા: "Max input" મૂલ્ય કરતાં વધુ લખાણ કાપી શકાય અથવા નકારી શકાય. embed કરતા પહેલાં દસ્તાવેજને 300 થી 800 tokens ના chunks માં વહેંચો.
  • એક store માં એક family: એક index માં બે family ના vectors ભેળવશો નહીં. મોડેલો વચ્ચે similarity scores નો અર્થ નથી.
  • Normalization: Google કહે છે કે 3072 કરતાં ઓછા dimensions વાળા gemini-embedding-001 vectors તમારે normalize કરવા જ જોઈએ. score તરીકે dot product વાપરતા પહેલાં બધા vectors normalize કરો.
  • Rate limits: મફત ટિયર પ્રતિ મિનિટ કે પ્રતિ દિવસ વિનંતી ગણે છે. દરેક string માટે એક વિનંતીને બદલે, એક વિનંતીમાં strings નો batch મોકલો.
  • અનામી ટિયર: OVH AI Endpoints key વગર દરેક IP address અને મોડેલ માટે પ્રતિ મિનિટ 2 વિનંતી આપે છે. તેને fallback તરીકે વાપરો, bulk indexing માટે નહીં.
ટિપ: તમારી પસંદ કરેલી family માં ઓછામાં ઓછા બે પ્રદાતા રાખો. પછી એક પ્રદાતા પર 429 error તમારા indexing job ને રોકતી નથી.

સમસ્યાનિવારણ

સમસ્યાકારણઉકેલ
Bulk indexing દરમિયાન error 429family માટે પ્રદાતાની મર્યાદા પહોંચી ગઈ છેતે જ family માટે બીજી પ્રદાતા key ઉમેરો, અથવા દર મિનિટે ઓછી વિનંતી મોકલો
ફેરફાર પછી search પરિણામ ખોટાં છેદસ્તાવેજ અને queries જુદી family વાપરે છેબંને માટે એક model મૂલ્ય વાપરો. જો તમે તે બદલ્યું હોય, તો દસ્તાવેજ ફરી embed કરો
Vector લંબાઈ તમે ધારી તેવી નથીauto ડિફોલ્ટ family વાપરે છેસ્પષ્ટ family નામ સેટ કરો, અથવા Models, Embeddings પર ડિફોલ્ટ તપાસો
લાંબા લખાણ નબળા મેળ આપે છેલખાણ input મર્યાદા કરતાં લાંબું છેલખાણને નાના chunks માં વહેંચો
Error 401unified key ખોટી છે અથવા ગેરહાજર છેKeys પેજ પરથી unified key ફરી કૉપી કરો
આ બધાનો ઉપયોગ એક જ કી દ્વારા કરો. FreeLLMAPI એક ઓપન-સોર્સ, સ્વ-હોસ્ટેડ રાઉટર છે. તે આ બધા મફત ટાયરને એક OpenAI સાથે સુસંગત એન્ડપોઇન્ટ પાછળ મૂકે છે અને જ્યારે એક મૉડેલની રેટ મર્યાદા આવે ત્યારે બીજા પર આપમેળે સ્વિચ કરે છે. કૅટલૉગ બ્રાઉઝ કરો અથવા લાઇવ જાઓ.

વારંવાર પૂછાતા પ્રશ્નો

શું મફત embeddings API છે?

હા. Google AI Studio, Cloudflare Workers AI, Cohere, NVIDIA, Mistral, OVH અને બીજા મફત embedding મોડેલ rate limits સાથે આપે છે. FreeLLMAPI તેમાંથી 41 ને એક OpenAI-compatible endpoint પાછળ મૂકે છે.

શું મફત embeddings માટે હું OpenAI SDK વાપરી શકું?

હા. base URL ને http://localhost:3001/v1 પર સેટ કરો અને તમારી unified key વાપરો. પછી bge-m3 જેવા family નામ સાથે client.embeddings.create કૉલ કરો.

FreeLLMAPI બીજા embedding મોડેલ પર failover કેમ કરતું નથી?

જુદા મોડેલના vectors સુસંગત નથી. મોડેલનો શાંત ફેરફાર similarity search ને તોડી નાખશે. રાઉટર ફક્ત તે જ પ્રદાતાઓ વચ્ચે failover કરે છે જે એક જ મોડેલ family આપે છે.

RAG માટે શ્રેષ્ઠ મફત embedding મોડેલ કયું છે?

મોટાભાગના પ્રોજેક્ટ માટે bge-m3 સારું ડિફોલ્ટ છે. તેના 1024 dimensions, 8,192-token input મર્યાદા અને ઘણા મફત પ્રદાતા છે. જો તમને 3072 dimensions જોઈએ અને તમારી પાસે Google key હોય, તો gemini-embedding-001 વાપરો.

મારા embeddings કેટલા dimensions ના હોવા જોઈએ?

મોટાભાગના search અને RAG કામ માટે 768 થી 1024 dimensions વાપરો. મોટા vectors વધુ storage અને memory લે છે. કદ એક વાર પસંદ કરો, કારણ કે ફેરફારનો અર્થ છે કે બધા દસ્તાવેજ ફરી embed કરવા પડશે.

સંબંધિત માર્ગદર્શિકાઓ

સ્રોતો

બધી માર્ગદર્શિકાઓ · બધા મફત મૉડેલ જુઓ